买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:中国电力工程顾问集团华东电力设计院有限公司
摘要:本发明公开了基于多任务深度学习模型的短期风速风向预报订正方法,属于大数据技术领域,包括提取未来48小时逐小时NWP预报数据,实现逐小时NWP预报数据和气象站点观测的时空匹配与质量控制,构建对沿海风速风向订正具有重要影响的预报变量,建立具有可解释性的多任务深度学习模型,能够显著改善对风速风向的订正效果,同时提高模型训练速度并降低模型复杂度,并通过模型后解释SHAP方法使模型具有可解释性,解决了沿海短期风速风向预报精度低、难度大的技术问题,本发明能显著提高模型训练速度并降低模型复杂度,显著改善NWP对沿海风速风向的预报能力,并能得到不同输入变量的特征重要性,使风速风向预报订正的深度学习模型具有可解释性。
主权项:1.基于多任务深度学习模型的短期风速风向预报订正方法,其特征在于:包括如下步骤:步骤1:数据采集模块获取未来48小时逐小时的NWP预报数据;步骤2:数据采集模块通过互联网将NWP预报数据发送给数据筛选模块,数据筛选模块根据沿海气象站点位置和时间,提取气象站点位置和时间所对应的地面和高空的NWP预报变量,与地面气象站点观测的风速和风向要素进行时空匹配,并剔除包含缺失值的样本,为风向风速订正模型构建所需的数据集;步骤3:工程模型模块通过互联网调取数据筛选模块构建的数据集,根据数据集构建特征工程,得到对风速和风向订正具有影响的预报变量,预报变量包括热力动力变量和关键时序特征,热力动力变量用于表示气象站点临近海平面与地面的气压差和气温差,关键时序特征用于表示风速与气温在未来48小时内的统计特征、波动特征、气候特征和距平特征;步骤4:模型训练模块通过互联网调取工程模型模块构建的特征工程,基于特征工程所得到的数据,将气象站点和预报时效作为类别变量进行特征编码,并划分出训练集和测试集,采用均方根误差RMSE作为损失函数,将10m风向分解为10m经向风速和10m纬向风速,基于训练集训练多任务深度学习模型,实现10m风速、经向风速和纬向风速的协同订正,并基于测试集进行风速和风向订正检验评估;步骤5:诊断模块通过互联网获取模型训练模块得到的订正结果,通过模型后解释SHAP方法解释多任务深度学习模型,得到不同输入变量的特征重要性。
全文数据:
权利要求:
百度查询: 中国电力工程顾问集团华东电力设计院有限公司 基于多任务深度学习模型的短期风速风向预报订正方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。